發(fā)布時(shí)間：2020-10-23 21:23

　　 大腦作為人體最復(fù)雜的器官,具有強(qiáng)大的功能。通過腦科學(xué)的研究可以認(rèn)識(shí)大腦,揭秘腦功能的本質(zhì)并對(duì)相關(guān)腦疾病進(jìn)行診斷、治療及預(yù)防;同時(shí)可以通過人工智能創(chuàng)造大腦從而激發(fā)大腦的潛在功能。在人類通過多感官通道的信息整合認(rèn)識(shí)世界的過程中,視覺與聽覺作為最重要的兩個(gè)感官通道,其整合效應(yīng)的研究對(duì)人類了解自身、診斷及修復(fù)功能障礙有著重要的意義。同時(shí),多感官的整合為人工智能的進(jìn)一步發(fā)展提供可能。為此,本文采用基于排序遞歸圖的遞歸定量分析對(duì)視聽腦電信號(hào)進(jìn)行了特征提取并分析了兩者的整合效應(yīng)。主要工作研究如下:首先,針對(duì)研究的課題,綜合概述了國內(nèi)外的相關(guān)研究,分析了腦電信號(hào)的產(chǎn)生,特點(diǎn)及分類,并詳細(xì)介紹了腦電信號(hào)預(yù)處理的幾種常用方法及腦電信號(hào)分析幾大類方法。其次,詳細(xì)介紹時(shí)頻分析中經(jīng)典的小波變換方法及非線性分析中排序遞歸圖的遞歸定量分析方法。對(duì)排序遞歸圖中符號(hào)化的各空間狀態(tài)存儲(chǔ)做出理論性變更,節(jié)省了數(shù)據(jù)處理的時(shí)間及存儲(chǔ)空間。為進(jìn)一步分析兩種方法,分別采用這兩種方法對(duì)正常與酗酒兩組被試腦電數(shù)據(jù)特征提取,通過SVM對(duì)兩組被試特征采用留一交叉驗(yàn)證法進(jìn)行分類,根據(jù)靈敏度、特異性、正確率綜合比較兩種方法在特征分類中的優(yōu)劣,驗(yàn)證了非線性分析方法中排序遞歸圖的RQA對(duì)腦電信號(hào)的特征提取具有可行性及有效性。最后,通過設(shè)計(jì)實(shí)驗(yàn)、腦電數(shù)據(jù)采集、腦電信號(hào)預(yù)處理,對(duì)視聽任務(wù)刺激范式下的腦電信號(hào)采用排序遞歸圖的方式顯示其相空間,并通過量化參數(shù)對(duì)其變化定量分析。結(jié)果表明,視聽感官通道在信息整合的過程中有增強(qiáng)與阻礙的作用,不同的外界刺激帶來不一樣的整合效果。
【學(xué)位單位】：太原理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：R318;TN911.7
【部分圖文】：

??化特征及變化趨勢，如圖３－１。??ｌ．＇ｌ．?＇?，?■?—?＇）??，Ｕ?Ｈ?Ｘ?Ｊ??；ｙ?ｒ．＾＞??２００－?－ＪＣ＊．?Ｘ?—?＇?－??？．?ｉＫ?ｋ?■?｝??＾?＾?ｒ?ｔ?？??■＿??＿■’?：?■廠￣＂?－ｒ??１００?２ＴＯ?３００?４００?５００?？ＴＯ??圖３－１?ＥＥＧ的遞歸圖??Ｆｉｇ?３－１?Ｒｅｃｕｒｒｅｎｃｅ?Ｐｌｏｔ?ｏｆ?ＥＥＧ??在遞歸圖中，白點(diǎn)代表ｉ，７＇兩時(shí)刻的軌跡狀態(tài)明顯不同；黑點(diǎn)表示ｉ，ｙ兩時(shí)刻的軌??跡狀態(tài)相似或相同。那么這些點(diǎn)在遞歸圖中會(huì)構(gòu)成這樣幾種形態(tài)：孤立的點(diǎn)、與對(duì)角??線平行的線、水平的線、垂直的線。這四種形態(tài)代表不同的意義：??（１）

３．?３．?２特征提取??兩組被試采集的腦電數(shù)據(jù)進(jìn)行預(yù)處理，包括眼電去除、數(shù)字濾波、分段及基線校正??后，得到的腦電波形如圖所示。圖３－４為正常被試的腦電信號(hào)圖，圖３－５為酗酒被試的??腦電信號(hào)圖。??Ｑ?￣■?一一????＿——－￣￣＂￣．???￣￣＂??—?——■＿＾??—－＾＝??４?￡１?????■￣＇—??????????—＾￣￣—?????????￣、???????????，?■—￣＇?—??—￣ｖ＂????ｊ?Ａ???＾?Ｗ?￣￣?ｖ＿ｙ?了＇?￣Ｐ?—?１１?■￣－￣—＾―——￣?＾￣??????ｕ＾?＂￣＇■?＂?一??－￣ｒ—ｊ－．＿Ｉ?＾?ｖ?＾３??Ａ?３?－￣—?———－－＿－?．?．?ｒ———――－－＿－￣－－——？?＇?－．——?—?????？—＿—－－－－－－－＿?－＿－Ｊ—－－???—ｒ－＿－?－－－？?－－—－——?－＿—＿－．?＿?．—－－?＝．??２２?￣?＇?ｒ＾ｌ￣＇?＇＂＾－?￣￣＾?＿＿?－?、一￣?＇＾￣?＇?＊—？????￣＇?ｆ?￣￣￣￣？—／－ｗ?＇?????ｗ＞?■?￣＂?＂＾Ｔ?￣?Ｔ?￣ｖ￣ｉ???？?、．?—■?￣■??＿＿??＾??４?ａ?＾?＂????，丨?Ｉ?，?

導(dǎo)聯(lián)數(shù)據(jù)的貢獻(xiàn)率。根據(jù)特征值的大小選取對(duì)應(yīng)的導(dǎo)聯(lián)，綜合分析，從６４導(dǎo)聯(lián)中選取??了?６個(gè)導(dǎo)聯(lián)進(jìn)行分析研究，分別為Ｃ３、Ｃ４、Ｐ３、Ｐ４、０１、０２導(dǎo)聯(lián)。??圖３－６、圖３－７分別為正常被試與酗酒被試Ｃ３、Ｃ４、Ｐ３、Ｐ４、０１、０２導(dǎo)聯(lián)的腦電??信號(hào)波形圖。??Ｐ３?ｗＡ＇￣ｙ＜＾ｖ＾＾－＾ｖｖＡｆＡ＾ｖ／ＶｖＷｗｖ＾Ａ＂＇ＡＡ＇ＡＶＴＡＡ／ＡＶＫｙ＾ｖ＼Ｙｖ＼ｙｖ／＾ｗＡ＇／ＶｖｗｙｖｖＡ／＾／＼／ｉｒｒ＇ｋ＇ｊＶｉ＾ｖ＾ｖｖ／??Ｐ４?１／＼ｚｗ＾－＾ｖ／ｖ／ｗＹ／Ｖ＾ｖＷｖ＂＾＾ＭｌＷｕＡｒ／Ｗｖｖ＇Ｖｖ／Ｖ＼ｗ＼Ａ＼／ｖＷｖＷＷＶｒ＾ｓ＾ＷＫｗ＾７??０１?Ａ＾＾＾＾ＹＶｗ／＾Ａ／Ｖｖ＾／ｌｆＶＶＶｖｖＶＶ＾Ｗｖ??。２?Ａ／ＶｗＷｖＹＷ＾／＾ｉＪＵｖｖ＾Ａｙｙ＾＾＾Ｊｉ／Ｘ＾ｊ??１１，１??圖３－６正常被試選取導(dǎo)聯(lián)的腦電波形圖??Ｆｉｇ?３－６?Ｂｒａｉｎ?ｗａｖｅ?ｏｆ?ｓｅｌｅｃｔｉｎｇ?ｌｅａｄ?ｉｎ?ｎｏｒｍａｌ?ｓｕｂｊｅｃｔｓ??Ｐ３?＾－ｈ??Ｐ４?＿ｒｊ．－■＊■－＇＂ｕ＇＇＇－－＾ｖ＇－＿／，ｖ－Ｊ＇＇，，『．疒、＇－Ａ－ｆ，、ｒ－＇；＇ｆｊ、乂＇＼?＿．ｔ－／ｃ，ｒ＂＇－￣＼?＾?－，？－■？＊■■—ｖ．?ａ
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王薇蓉;張雪英;孫穎;暢江;;關(guān)于腦電信號(hào)的情感優(yōu)化識(shí)別仿真[J];計(jì)算機(jī)仿真;2018年06期

2 郭婷儀;李素芳;鐘桂仙;曾佳璇;周酥;;基于腦電信號(hào)的耳鳴識(shí)別算法研究[J];科技傳播;2018年13期

3 左晶;萬小勤;羅楊;鄭斌;陳斌林;任祥花;;癲癇腦電信號(hào)的相關(guān)性分析[J];電子世界;2017年05期

4 張娜;唐賢倫;劉慶;;基于半監(jiān)督學(xué)習(xí)的腦電信號(hào)特征提取及識(shí)別[J];工程科學(xué)與技術(shù);2017年S2期

5 石喬莉;王延輝;李信政;;基于腦電信號(hào)的駕駛疲勞的研究[J];世界最新醫(yī)學(xué)信息文摘;2017年55期

6 王恒;李念強(qiáng);齊鵬沖;;運(yùn)動(dòng)想象腦電信號(hào)特征的提取與分類[J];工業(yè)控制計(jì)算機(jī);2015年02期

7 李亞杰;宋明星;張玉棟;;腦電信號(hào)采集系統(tǒng)的設(shè)計(jì)[J];河北建筑工程學(xué)院學(xué)報(bào);2014年01期

8 蔡超峰;張勇;郭舒婷;姜利英;;思維腦電信號(hào)的關(guān)聯(lián)維數(shù)分析[J];河南科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年01期

9 魯強(qiáng);劉玉軍;徐建蘭;張進(jìn)祿;;一種適用于清醒動(dòng)物腦電信號(hào)采集的固定裝置[J];首都醫(yī)科大學(xué)學(xué)報(bào);2011年06期

10 肖丹;胡劍鋒;;運(yùn)動(dòng)想象腦電信號(hào)識(shí)別研究[J];計(jì)算機(jī)工程與應(yīng)用;2010年33期

相關(guān)博士學(xué)位論文 前10條

1 趙麗;基于腦電信號(hào)的腦-機(jī)接口技術(shù)研究[D];天津大學(xué);2004年

2 繆曉波;基于腦電信號(hào)的認(rèn)知?jiǎng)恿W(xué)系統(tǒng)研究——線性/非線性方法及動(dòng)態(tài)時(shí)—頻—空分析[D];重慶大學(xué);2004年

3 徐鵬;信號(hào)的稀疏分解及其在腦電信號(hào)處理中的應(yīng)用研究[D];電子科技大學(xué);2006年

4 伍亞舟;基于想象左右手運(yùn)動(dòng)思維腦電BCI實(shí)驗(yàn)及識(shí)別分類研究[D];第三軍醫(yī)大學(xué);2007年

5 唐艷;基于時(shí)間、頻率和空間域的自發(fā)腦電信號(hào)提取[D];中南大學(xué);2008年

6 陳東偉;非線性動(dòng)力學(xué)、因果腦網(wǎng)絡(luò)與聚類穩(wěn)定性在腦電信號(hào)分析中的應(yīng)用研究[D];太原理工大學(xué);2015年

7 馬小飛;認(rèn)知任務(wù)下的腦電動(dòng)力學(xué)分析[D];南京大學(xué);2017年

8 張美云;阿爾茨海默病腦電信號(hào)多尺度時(shí)空定量特征研究[D];天津醫(yī)科大學(xué);2012年

9 周群;腦電信號(hào)同步：方法及應(yīng)用研究[D];電子科技大學(xué);2009年

10 吳畏;基于統(tǒng)計(jì)建模的多導(dǎo)聯(lián)腦電信號(hào)時(shí)空建模方法研究[D];清華大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 陳帥旗;音頻信號(hào)情感識(shí)別及受眾腦電信號(hào)的關(guān)聯(lián)分析[D];東北電力大學(xué);2018年

2 王驍旸;基于單電極腦電信號(hào)的身份識(shí)別系統(tǒng)研究與實(shí)現(xiàn)[D];電子科技大學(xué);2018年

3 瞿倩;無線便攜式腦電信號(hào)采集系統(tǒng)設(shè)計(jì)及實(shí)驗(yàn)驗(yàn)證分析[D];電子科技大學(xué);2018年

4 彭凱池;基于單通道腦電信號(hào)的學(xué)習(xí)加速系統(tǒng)研究與實(shí)現(xiàn)[D];電子科技大學(xué);2018年

5 劉家宇;便攜式腦電系統(tǒng)的睡眠自動(dòng)分期方法研究[D];電子科技大學(xué);2018年

6 沈宇曉彤;高密度腦電信號(hào)預(yù)處理及特征提取方法研究[D];南京大學(xué);2018年

7 張井想;便攜式腦電儀的設(shè)計(jì)及應(yīng)用研究[D];江蘇師范大學(xué);2018年

8 王薇蓉;基于RVM的腦電信號(hào)情感識(shí)別及優(yōu)化[D];太原理工大學(xué);2018年

9 李世丹;遞歸定量分析在視聽腦電信號(hào)中的應(yīng)用研究[D];太原理工大學(xué);2018年

10 叢珊;基于深度學(xué)習(xí)的癲癇腦電信號(hào)分類方法研究[D];哈爾濱工程大學(xué);2017年

本文編號(hào)：2853554